因为始作俑者不是生死簿。鹿乙又想。
凭马楼这视死如归的样子，如果得知真相能刀了自己。他学那本水仙说：“没有生死簿，我不知道去哪找你。”
怎么办，更想炸了生死簿。马楼四十五度角仰望天空：“那我去人间找你好不好……”
有的人活着不想死，有的鬼死了不好活。
绝望。
他转嫁仇恨：“你前任真是个缺德玩意。他在三清当什么官？我要砸了他的庙！”
……
“他早就不在三清。”鹿乙说，“这不是重点，我或许有办法回来。我想功德评判和生死簿之间能够互通，甚至决策优先级高于生死簿。”思念马楼过甚，情急之下放弃此次修炼，利用功德评判违规策略卡生死簿bug。可无论怎么起杀心，依旧安然无恙躺在婴儿床上——策略当时调整过，杀他不行。于是爬到床边，试图摔死自己。
虽然成功短暂一瞬，却是个解法。
“生死簿不插手历练，但会保证我自然死亡。这次能回去是因为自杀由功德评判处理，接入的生死簿数据没有更新我的信息，才触发策略。生死簿重启以后大概看我不在人间，又将我送了回去。”
比起迎来送往，马楼更关心他现在状态：“自杀？”
鹿乙看着将他抱在怀里惊魂未定的母亲，伸出小手安慰她，也安慰他：“随口一说，生死簿把我安然无恙地送回来。”但两者只能选一个，他更在意远方的他，“现在这种方法应该行不通，你试着增加一条我可以违规的策略，绕过生死簿。”
想法很好，实现起来十分困难。
马楼提出卡点：“你要求新增策略要层层审核，流程比买橡皮还复杂。”
无数回旋镖今天一股脑扎死他俩。
鹿乙沉默几秒，说：“调已有策略。”
“也不行，”马楼捂脸，“我不是在优化系统嘛，神经网络强化因果链效果不错，这两天ai版本上线，策略嵌入模型，都训练好了。”
灵魂可分好坏，功德没办法一刀评判，但通过机器学习，锻炼系统用人脑思维，综合各方面因素，对亡者生前德行给出最正确评价。脑子不容易长，训练的数据、训练方式（模型）好坏很大程度影响系统公正。而评判策略就是训练内容之一，一旦敲定，轻易别改。
“……那就改训练样本。”给脑子输入错误数据，引导它往“坏”的方面思考。
马楼还是觉得不靠谱：“你说模型有可能过拟合，让我用大量数据训练，改一个样本改变不了结果。”类似将一个刚出生的婴儿送进狼窝，某一天突然告诉他，你是人，那小孩是不会相信的。
那就想办法让小孩疯了。
“用对抗样本，将某些难以感知的扰动加在这些样本里，导致模型错误分类。”鹿乙说，“对抗性样本的存在是因为数据维度通常过高，模型不可能对整个数据分布的空间完全搜索。回到机器学习最基本的问题是学习数据的分布，如果从训练数据中学习成功，可以泛化到所有数据，包含没见过的测试数据。举个例子，喂给模型一组你的照片，通过特定像素区域就能识别这是你。所以训练有盲区，一种是在你的照片中改一些像素，改完后直观看还是你，但模型以为你是我，另一种放大分类边界，取到模型高概率认为是一个类别的样本。”
马楼痛苦地抱着脑袋。
“我如果说我听不懂你会不会打我。”
“大概猜得到。”
几次折腾，我们帝君算是明白一个道理，心急吃不了热豆腐，船到桥头自然直。看见马楼只是因为加班爽约，暂时放下心来。
“慢慢来。”
可他忘了，加班只有零次和无数次。
且不说马楼只是个平平无奇的草履虫，理解原理、长出一堆脑子要很久。白天不能搞破坏，只有下了班。包打听似乎在他这装了监控，前脚屁股刚离开工位，后脚电话打过来，让他拯救地府。
饕餮不让碰系统，谢必安只让碰一个系统，到了包阎王这总算委以重任，啥系统都交给马楼。这个挂了喊，那个崩了找，这个催那个要，反正每个bug都是p0，都得今日毕，搞得马楼苦不堪言。
